专利交易市场

本发明公开了一种机器人单目视觉鲁棒定位估计方法，包括：在第一、二关键帧图像特征匹配点对中选择一个随机样本进行初始定位估计，建立两关键帧图像的极几何关系，以匹配点与极线之间的距离作为初始距离误差进行聚类剔除误匹配点，计算初始定位估计的偏置距离修正初始距离误差作为该匹配点权重依据，采用最小化误差平方和重新鲁棒估计机器人位姿，利用三角测量原理建立局部路标三维地图；在第三关键帧及其后续关键帧图像的特征点与局部路标匹配点对中选择一个随机样本估计初始定位，利用重投影初始距离误差进行聚类剔除误匹配点，采用优化方法重新鲁棒估计机器人位姿。本发明可以快速、可靠地去除误匹配点，实现机器人定位的鲁棒估计。

本发明涉及一种单目视觉位姿测量及调整方法和系统，首先采用单目视觉位姿测量技术对装配点位置进行间接测量，然后通过逼近方式进行位姿调整，进而实现智能装配。本发明利用CCD相机作为图像采集硬件，采集预设的已知结构和尺寸检测体图像，采用基于图像与数据处理技术的位姿测量系统测量二者当前位置参数，将测量结果与标定位置参数进行对比，计算出的坐标差值作为调整参数调整设备；装配过程中，采用逼近方法，即调整后重新测量，若坐标差值大于预设的位姿坐标允差，继续上述循环过程进行多次逼近，当差值小于或等于装配设定的允差后结束调整，实现智能调整。本发明算法简单，无需解耦，运算速度快。

本发明公开了一种基于深度学习和注意力机制的单目视觉里程计算方法，具体步骤包括：先采集原始单目彩色图像，并将图像尺寸裁剪为统一大小；将裁剪过后的第i张图像和第i+1张图片输入PWCnet光流计算模块，获取光流向量场，并将光流向量场按照4个象限等分为4个光流子向量场；将4个光流子向量场输入卷积神经网络，分别获取4个子特征向量；将4个子特征向量合并为一个总特征向量，然后将总特征向量输入全连接网络，获取估计位姿向量；实时采集图片，并依次送入卷积神经网络，得到若干连续的估计位姿向量，通过若干连续的估计位姿向量获取估计里程。本发明拥有很好的视觉里程计算精度和计算速度。

本发明公开了一种融合特征点法和直接法的快速单目视觉里程计导航定位方法，包括：S1、开启视觉里程计并获取第一帧图像I1，转化为灰度图，并提取ORB特征点，构建初始化关键帧；S2、判断是否已初始化；若已初始化，则转到步骤S6，否则转到步骤S3；S3、定义参考帧和当前帧，提取ORB特征，并进行特征匹配；S4、用并行线程同时求单应矩阵H和基础矩阵F，计算判断模型得分RH，若RH大于阈值时选用单应性矩阵H，否则选用基础矩阵F，并根据选用的模型估计相机运动；S5、求相机位姿和初始3D点；S6、判断是否已提取特征点，若未提取特征点，则使用直接法进行跟踪，否则用特征点法进行跟踪；S7、完成初始相机位姿估计。通过本发明可以更为精确的进行导航定位。

本发明公开了一种基于单目视觉导引的移动机器人智能抓取方法。该方法将抓取过程划分为两个阶段：粗略定位阶段和精确抓取阶段，由此提高了移动机器人抓取控制系统的灵活性和智能性。在精确抓取阶段，移动机器人在运动的过程中抓取目标，即移动机器人始终处于运动状态，目标静止不动。基于多点透视成像原理估计算得到目标在机器人坐标系的位置和姿态。设计了基于位置视觉伺服的目标跟踪方法，使得移动机器人端的机械手能平稳地到达目标上方并和目标保持相对静止。最后机械手调整固定的位置和姿态偏移量来抓取目标，本发明提出的移动机器人智能抓取方法具有操作方便、适用性强、执行效率高的特点。